[发明专利]道路交通态势识别方法、系统和存储介质

说明书

本发明公开了一种道路交通态势识别方法、系统和存储介质，方法包括以下步骤：获取当前路段上若干个群体的道路交通信息；根据所述道路交通信息构建所述若干个群体的波动方程；对所述若干个群体的波动方程对应的波纹进行叠加，得到当前路段的路态波纹；采用循环神经网络建立所述路态波纹变化情况与交通态势变化情况的对应关系；根据所述对应关系确定所述当前路段的交通态势。本发明通过采用波动方程的波动纹理来分析交通态势，避免离散数据对分析结果的影响，以提高处理过程的精细化程度，从而提高交通态势判断结果的准确性。本发明可广泛应用于智能交通技术领域。

技术领域

本发明涉及智能交通技术领域，尤其是一种道路交通态势识别方法、系统和存储介质。

背景技术

随着智能交通体系不断完善和发展，在车路协同、人工智能等技术的不断推动下，新一代智能驾驶逐渐由单车智能向群体协同进行过度。据统计的自动驾驶测试报告中显示，由于对道路交通态势感知错漏导致的事故占事故总数的27％，严重影响着智能车的行驶可靠性。因此，需要对交通态势精准识别，用于感知前方交通情况，为智能网联车辆决策优化与调度管理提供参考依据。现有的道路交通态势识别方法大多根据历史数据对道路交通状态进行离散化划分，接着再根据划分的层次不同，提取每一层次具备的交通特性，然后通过对这些特性进行匹配分析，判断当前交通态势属于哪一层次，从而判断具备何特性。但实际上交通态势是连续变化的，用离散的特征匹配进行交通态势判断会使得交通态势判断结果与实际情况存在误差，或者会因为处理过程精细化程度不够导致交通态势判断结果不正确。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种道路交通态势识别方法、系统和存储介质，能够在一定程度上提高处理过程的精细化程度，从而提高交通态势判断结果的准确性。

根据本发明第一方面实施例的一种道路交通态势识别方法，包括以下步骤：

获取当前路段上若干个群体的道路交通信息；

根据所述道路交通信息构建所述若干个群体的波动方程；

对所述若干个群体的波动方程对应的波纹进行叠加，得到当前路段的路态波纹；

采用循环神经网络建立所述路态波纹变化情况与交通态势变化情况的对应关系；

根据所述对应关系确定所述当前路段的交通态势。

根据本发明实施例的一种道路交通态势识别方法，至少具有如下有益效果：

本实施通过根据获取的道路交通信息构建若干个群体的波动方程，接着对若干个群体的波动方程对应的波纹进行叠加，得到当前路段的路态波纹，然后采用循环神经网络建立路态波纹变化情况与交通态势变化情况的对应关系，并根据对应关系确定当前路段的交通态势，本实施例通过采用波动方程的波动纹理来分析交通态势，避免离散数据对分析结果的影响，以提高处理过程的精细化程度，从而提高交通态势判断结果的准确性。

根据本发明的一些实施例，所述若干个群体包括机动车群体、非机动车群体和行人群体；所述道路交通信息包括群体密度、群体速度和群体加速度。

根据本发明的一些实施例，所述道路交通信息通过设置于路侧杆件上的摄像头、激光雷达和毫米波雷达实时采集。

根据本发明的一些实施例，所述对所述若干个群体的波动方程对应的波纹进行叠加，得到当前路段的路态波纹，其具体为：

根据波的叠加原理，在相遇区域内，对机动车群体的波动方程、非机动车群体的波动方程和行人群体的波动方程进行求和，将求和结果作为当前路段的路态波纹。

根据本发明的一些实施例，在执行所述根据所述对应关系确定所述当前路段的交通态势这一步骤之前，还包括以下步骤：

获取循环神经网络的训练集；

构建循环神经网络模型；